龙满生
- 作品数：27 被引量：399H指数：9
- 供职机构：井冈山大学电子与信息工程学院更多>>
- 发文基金：国家自然科学基金江西省教育厅科技计划项目江西省自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学文化科学电气工程更多>>
- 精确杂草控制技术的研究现状被引量：8
- 2004年
- 农田杂草不仅与作物争光、争水、争肥、争空间,导致作物品质受损及产量下降,而且妨碍收获作业,增加生产成本,给农业生产造成了巨大危害。为此,阐述了精确杂草控制的意义;综述了国内外在该领域的研究进展;探讨了计算机杂草识别的方法;并指出了该技术在我国的应用前景和发展方向。
- 龙满生何东健耿楠宁纪锋
- 关键词：控制技术农田杂草作物品质农业生产杂草控制杂草识别
- 网络评论观点挖掘研究被引量：1
- 2018年
- 本文基于网络评论观点挖掘相关理论分析,对观点挖掘的实现过程进行设计和分析,以期通过网络评论观点的挖掘,了解网络用户行为与观点倾向,掌握网络用户观点表达规律。
- 曾寰胡运全李金忠戴贞明龙满生
- 关键词：网络
- 基于图像形态学的球形果实品质检测研究被引量：21
- 2001年
- 图像形态学是近年来新兴的、以形态为基础的、对图像进行分析的数学工具。分析了图像形态学在图像处理中的优点，对图像形态学的基本运算及其作用做了简要的介绍。以苹果为例，探讨了应用图像形态学运算实现球形果实缺陷和形状的检测技术，最后对实验结果进行了分析。
- 宁纪锋何东健张海亮龙满生
- 关键词：计算机视觉
- 农业自动化领域中计算机视觉技术的应用被引量：71
- 2002年
- 计算机视觉技术的应用已扩展到农业自动化领域。该文介绍了计算机视觉系统的组成 ,概述了国内外计算机视觉技术在农业生产自动化中的应用状况 。
- 何东健张海亮宁纪锋龙满生
- 关键词：计算机视觉技术图像处理农业自动化
- 基于深度学习的蜜柚果树航拍图像检测被引量：3
- 2021年
- 精细化、智慧化是果园管理的必然发展趋势,其中果树位置信息是果园管理的重要数据。为了快速获取井冈蜜柚果树的位置,利用无人机航拍获取蜜柚果园的正射影像,提出了一种用于检测蜜柚果树目标的SSD改进算法。该算法将原SSD算法的主干网络VGG替换为VoVNet,提高了特征提取能力。对样本数据进行了裁剪处理,有效提高了算法检测小目标的能力。实验结果表明,蜜柚果树目标的平均检测精度达到92.6%。
- 叶青龙满生曾劲涛吴泽奇游伟坤张传河
- 关键词：果园管理无人机遥感
- 坡面水蚀与细沟发育过程模拟研究被引量：2
- 2010年
- 为了分析次降雨过程中的细沟发育规律,提出从二维浅水方程和泥沙输移方程出发建立坡面水蚀模型,利用有限体积法模拟坡面径流与侵蚀产沙的时空分布及微地貌发育过程的方法。模型由二维浅水方程、Green-Ampt入渗模型、Gash林冠截留模型以及经验侵蚀与沉积公式组成,具有易于实现的优点。通过对摩阻源项进行点隐式处理,提高了数值稳定性,可处理干床面和微小水深。结果表明,模型能够模拟复杂坡面在次降雨过程中的径流侵蚀及细沟发育规律。
- 龙满生何东健
- 关键词：坡面径流土壤侵蚀浅水方程有限体积法
- 玉米苗期杂草的计算机识别技术研究被引量：59
- 2007年
- 利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标。研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms。
- 龙满生何东健
- 关键词：杂草识别计算机视觉人工神经网络玉米幼苗
- 基于内容的小麦害虫图像检索系统研究与实现被引量：7
- 2007年
- 以小麦害虫图像为研究对象,研究并开发了基于内容的害虫图像检索系统。重点研究了基于内容的图像检索中的图像特征提取、图像相似性度量和用户相关反馈技术。提出一种重叠四分块颜色矩和一种基于BP神经网络的图像相似性度量方法,并引入灰色相关反馈算法实现了基于语义的图像检索。应用排序评价方法、查准率与查全率对系统的检索性能进行测试,结果表明,系统具有一定的实用性,为快速准确地诊断、识别农作物害虫和害虫图像资源共享提供了技术依据。
- 李峥嵘刘月娥何东健龙满生刘全中
- 关键词：BP神经网络
- 基于OpenCL的累积汇流并行计算被引量：1
- 2014年
- 大尺度、高分辨率数字地形数据应用需求的增长,给计算密集型的累积汇流等数字地形分析算法带来了新的挑战。针对CPU/GPU(Graphics Processing Unit)异构计算平台的特点,提出了一种基于OpenCL(Open Computing Language)的多流向累积汇流算法的并行化策略,具有更好的平台独立性和可移植性,简化了CPU/GPU异构平台下的并行应用程序设计。累积汇流并行算法包括时空独立型的流量分配和空间依赖型的累积入流两个过程,均定义为OpenCL内核并交由OpenCL设备并行执行,其中累积入流过程借助流量转移矩阵由递归式转换为迭代式来实现并行计算。与基于流量转移矩阵的并行汇流算法相比,尽管基于单元入度矩阵的并行汇流算法可以降低迭代过程中的计算冗余,但需要采用具有较大延迟的原子操作以及需要更多的迭代次数,在有限的GPU计算资源下,两种算法性能差异不明显。实验结果表明,并行累积汇流算法在NVIDIA GeForce GT 650M GPU上获得了较好的加速比,加速性能随格网尺度增加而有所增加,其中流量分配获得了约50～70倍的加速比,累积入流获得了10～20倍的加速比,展示了利用OpenCL在GPU等并行计算设备上进行大规模数字地形分析的潜在优势。
- 龙满生罗文浪
- 关键词：并行计算图形处理器
- 基于卷积神经网络与迁移学习的油茶病害图像识别被引量：123
- 2018年
- 传统的植物病害图像识别准确率严重依赖于耗时费力的人工特征设计。该文利用深度卷积神经网络强大的特征学习和特征表达能力来自动学习油茶病害特征,并借助迁移学习方法将Alex Net模型在Image Net图像数据集上学习得到的知识迁移到油茶病害识别任务。对油茶叶片图像进行阈值分割、旋转对齐、尺度缩放等预处理后,按照病害特征由人工分为藻斑病、软腐病、煤污病、黄化病和健康叶5个类别。每个类别各选取750幅图像组成样本集,从样本集中随机选择80%的样本用作训练集,剩余20%用作测试集。利用随机裁剪、旋转变换和透视变换对训练集进行数据扩充,以模拟图像采集的不同视角和减少网络模型的过拟合。在Tensor Flow深度学习框架下,基于数据扩充前后的样本集,对Alex Net进行全新学习和迁移学习。试验结果表明,迁移学习能够明显提高模型的收敛速度和分类性能;数据扩充有助于增加数据的多样性,避免出现过拟合现象;在迁移学习和数据扩充方式下的分类准确率高达96.53%,对藻斑病、软腐病、煤污病、黄化病、健康叶5类病害的F1得分分别达到94.28%、94.67%、97.31%、98.34%和98.03%。该方法具有较高的识别准确率,对平移、旋转具有较强的鲁棒性,可为植物叶片病害智能诊断提供参考。
- 龙满生欧阳春娟刘欢付青
- 关键词：病害作物图像识别
